论文部分内容阅读
运动目标检测和跟踪是机器视觉研究中最基础的两个核心问题，在公共安防、智能交通等领域有着广泛的应用。但是在现实的环境中，存在诸多的如光照变化、遮挡和相似目标等干扰因素，会导致运动目标检测和跟踪的不准确。对于此问题，本文围绕光照突变环境下的运动目标检测和跟踪进行了研究，主要工作如下：首先，针对在传统目标检测中，对于光照突变环境处理能力较弱的问题，本文结合混合高斯背景建模和三帧差分法对目标进行检测。该方法在混合高斯背景建模的基础上，采用统计法，判断是否有光照变化，对待光照突变环境中的目标检测，采用三帧差分法；同时，将检测区域分为静态区域与动态区域，对静态区域实行隔帧检测，减少程序计算量。其次，针对在目标跟踪中，采用单一的颜色特征来跟踪目标容易造成目标丢失的问题，本文采用了一种基于粒子滤波的多特征信息融合跟踪算法。提取目标的颜色信息以及统计特征信息，通过特征的自适应融合来描述运动目标，且能根据环境的变化自适应的调整特征的权重，实现在光照变化场景中目标的鲁棒性跟踪。最后，为了验证算法的有效性，本文设计了不同场景下的目标跟踪实验，并进行了数据分析，结果表明该方法能够达到较好的跟踪效果。